Saeb

机器学习模型将社会经济水平确定为学生表现的关键预测因素

研究人员开发了一种多层次机器学习模型，利用巴西基础教育评估系统（SAEB）的微数据来分析学生表现。该研究整合了学生社会经济地位、教师概况、学校指标和校长管理方面的数据。随机森林模型达到了90.2%的准确率和96.7%的AUC，优于其他集成算法。可解释人工智能（XAI）技术显示，学校的平均社会经济水平是学生表现最重要的预测因素，凸显了学业成就的系统性本质。